大规模定制环境下客户需求获取支持系统研究

陈 磊，吴清烈，杨 惠，王勤勤

(东南大学管理工程研究所，江苏 南京 211189)

大规模定制是指企业以接近大规模生产的成本和效率向客户提供个性化的产品和服务[1]。通过实施大规模定制模式，企业可以有效地满足众多客户的个性化需求，同时也能够实现自身的规模经济。如何便捷有效地获取客户的定制需求，为客户提供满意的需求响应方案，是保证产品定制成功的首要环节，对企业实施大规模定制模式具有重要意义。

近年来，随着Internet和Web技术的日益成熟，以及电子商务的蓬勃发展，为企业获取客户的需求提供了一个便捷的渠道[2－4]。梁樑等提出了在Internet上通过交互式对话获取客户需求信息，然后应用QFD和TOSIS法进行产品配置优化分析[5];刘飞等提出了企业设计人员与客户通过Internet进行协同配置的思想和方案[6]。企业基于Internet与客户交互，虽然可以获得较为准确的需求信息，但无法实现低成本、高效率为众多客户服务的目标。

岳同启等通过引入智能Agent建立智能客户需求获取系统，采用智能Agent技术和需求模板检索技术相结合的方法，将获取的客户需求从模糊、粗糙状态逐渐具体化[7]。文献[8]研究了基于Web的客户集成化面向订单设计的方法，通过应用模板生成符合客户需求的CAD模型，并采用有限元法对产品模型的结构进行分析评估。采用需求模板获取客户需求，有利于客户需求描述的规范化，便于信息的共享、传递和重用，但该方法更多的是从企业设计者的角度建立模板，限制了客户的主动性和个性化需求的表达。

此外还有选择菜单法，即系统提供给客户定制选项，客户通过选择一组属性、部件、价格等选项来实现产品个性化定制[9]。然而这种定制系统向客户提供的是一个统一的定制界面，忽视了客户本身的知识水平以及需求表达能力方面的差异性，导致客户无法顺利完成定制选项的选择，而且过多的选项会给客户决策造成很大的困扰，也无法实现辅助客户作出定制决策的作用[10－11]。文献 [12]提出了一种咨询界面方法辅助客户进行定制选项设置，在客户设置选项遇到困难时提供建议，并将合适的选项推荐给客户;文献[13]基于模拟领域专家与客户智能对话获取其需求的思想，提出了咨询系统的体系结构，但未给出实现方法;文献 [14]借鉴计算机领域的人机个性化交互思想提出了个性化需求获取方法的框架模型，也未给出具体实现方法。

综上所述，针对目前大规模定制客户需求响应支持这方面的研究还难以满足大规模定制对获取客户需求信息的要求，本文研究了为不同客户提供合适的客户需求交互过程和界面的支持方法，该方法首先通过获取客户个人特征和初始需求信息等，应用协同推荐算法向客户推荐与其需求最接近的定制选项，结合Web和Agent技术，使系统随着客户信息的不断完善快速生成个性化定制界面，用以支持快捷有效地获取客户的需求信息。本文阐述了大规模定制环境下客户需求获取支持系统的设计思路，对总体结构进行了设计，并给出了部分功能的实现方法。

1 大规模定制需求获取支持系统设计思路

大规模定制客户需求获取是指企业和客户进行交互获取客户对产品功能、性能、外观以及价格等定制特征需求描述信息的过程。企业要为每一位客户提供定制化的产品或服务，就必须能够准确地获取每一位客户的个性化需求信息。在大规模定制过程中，客户主要是通过企业提供的产品定制平台进行自助配置，完成个性化需求的表述。

目前的产品定制系统自动引导客户表达需求，主要是结构化和参数化的功能要求[15]，需要客户从设计者的角度去考虑问题，而且客户需要一定的专业知识才能够将自己的需求转化为功能要求去表达，对于客户来说是很大的考验。客户在定制初始阶段，对自己的需求往往只有一个模糊概念或者仅仅局限于自己关注的某一方面，对于整个定制产品并不是很了解，对于企业提供的配置选项也不是很清楚，不知道有的选项应该如何选择，如果没有任何提示和引导，就不能立即给出正确而且完整的需求描述。因此，客户在表述需求的过程中允许客户以自然语言的形式表述某些需求，这样既符合客户的语言表达习惯，同时企业也能获得客户真实的需求;此外在定制过程中提供相应的辅助支持，为客户提供合适的推荐，对于提高客户满意度来说，也具有很大的帮助。

基于以上分析，本文提出了大规模定制客户需求获取支持系统。首先，通过初始界面获取客户的个人特征和初始需求信息，运用模糊推理规则对这些信息进行推理分析和模糊处理，采用智能检索匹配技术检索符合其需求的定制选项，并结合个性化推荐系统推荐可能需要的定制选项，根据客户表达能力情况，向客户提供合适的定制需求交互过程和界面，并可以完成客户输入的一致性检验。该支持系统根据客户的个人信息和初始需求信息，向客户提供可定制的需求交互过程和界面，不需要客户对定制产品所有需求特征都进行描述，从而支持客户更加便捷地表达自己的需求，企业更加有效地获取客户的需求信息。

2 大规模定制客户需求获取支持系统总体结构设计

本文将个性化推荐技术应用于客户需求获取系统中，构建了一个融合语义分析技术、推荐技术、CMS技术以及电子商务等为一体的大规模定制客户需求获取支持系统。系统利用Web挖掘技术和自主学习技术来获取客户信息及其需求信息，挖掘客户兴趣特征和需求特征，在客户进行需求表述时，利用智能检索匹配技术和推荐技术主动地将相关信息推荐给客户，帮助客户完成需求表述的过程。

2.1 系统总体框架

大规模定制客户需求获取支持系统从功能来划分主要分为以下几个组成部分:学习和知识发现、客户信息库管理、初始需求分析推理、需求特征检索匹配、零部件信息库管理、协同过滤推荐、定制界面生成等。系统的总体框架如图1所示。

图1 大规模定制客户需求获取支持系统总体框架

a.学习和知识发现模块。

学习和知识发现模块采用机器学习和数据挖掘的算法对Web服务器传递过来的记录客户行为的日志文件进行分析处理，发现客户的行为模式和兴趣向量，生成相应的客户兴趣配置文件，建立个性化的客户模型，将其存入到客户信息库中，并且它还会接受客户的反馈信息，通过不断分析学习客户的反馈信息，跟踪客户的兴趣变化，修改客户兴趣配置文件，更新客户个性化模型。

b.分析推理模块。

该模块主要是实现自然语言的处理，通过应用模糊推理规则对Web服务器获取的客户初始需求信息进行推理分析，初步推断客户对产品定制特征的要求。其中模糊推理矩阵是模糊推理规则的结构化表示形式。将需求信息中包含的特征值映射到模糊矩阵，通过模糊分析推断相应产品定制需求的特征值。

c.检索匹配模块。

检索匹配模块是根据前面推理分析得出的特征值借助智能搜索引擎在企业的零部件信息库中进行检索匹配，将符合定制要求的零部件信息提取出来，并将他们写入到产品定制特征集合中，为下一步协同过滤产生推荐提供数据保障。

d.协同过滤模块。

该部分是支持系统的核心，主要包括基于客户的协同过滤和基于产品定制特征协同过滤2个功能，通过两方面结合，完成整个产品定制信息的推荐。其中基于客户的协同推荐是通过客户个性化模型描述，根据兴趣相似的客户群的意见产生推荐;基于产品定制特征的协同过滤则是根据定制特征从零部件库中推荐可能符合定制需求的定制选项。

e.定制界面生成模块。

定制界面生成模块主要功能是生成能够尽量满足当前客户需求描述的个性化定制界面。它接受协同过滤产生的推荐信息，生成推荐的定制选项，利用CMS技术实现个性化定制界面的快速生成。

2.2 系统体系结构

图2所示系统采用基于B/S的3层体系结构，即表示层、业务逻辑层和数据层，将系统功能实现核心部分集中在服务器端，提高了系统的灵活性和可靠性。把业务逻辑、数据源操作、系统生成的数据和数据的表现形式相互独立，将各个部分分解出来交给特定的模块处理。

图2 大规模定制客户需求获取支持系统体系结构

系统体系结构中，表示层通过客户端浏览器负责实现应用逻辑的表达。在业务逻辑层，Web服务器通过HTML静态页面、JSP、Servlet等技术实现信息动态发布，与客户进行信息交互;应用服务器则是完成相应的业务过程，如知识发现与学习、协同过滤的实现、定制界面的生成等。数据层为业务逻辑层提供数据的支持。

3 系统业务逻辑功能的实现

大规模定制客户需求获取首先需要对客户以自然语言描述的初始需求进行推理分析，获取其中的定制特征值，然后再在产品零部件信息库中检索符合要求的零部件，此外还需要获取客户的特征和偏好等信息，依此产生可能满足客户需求的推荐，生成个性化的定制界面供客户定制选择。在这一过程中主要有特征推理分析、智能检索匹配和个性化推荐等功能，关于特征推理分析的实现文献[16]做了详细的研究，本文就不再重复，这里主要对检索匹配和个性化推荐的实现进行详细阐述。

3.1 检索匹配的实现方法

检索匹配即是根据推理分析得到定制需求特征值，从企业零部件信息库中检索出符合客户定制需要的零部件信息，并且智能地计算这些零部件信息和客户需求的匹配程度，有选择地提供给客户。由于中文有许多同义词、近义词，特征值提取出后，仍然需要对它们进行分析。使用潜在语义分析方法可以在一定程度上识别同义、近义词。此外，由于根据客户初始需求推理分析得到的特征值往往比较零散不够规范全面，包含的信息也相对较少。为此，需要借助查询扩展算法对特征值进行适当的扩展，才能生成合适的查询向量。

客户定制需求特征值经过潜在语义分析和查询扩展后，就得到参与匹配检索的关键词。这些关键词就形成了匹配查询向量:Q=(α1，α2，…，αn)，为查询向量，W=(w1，w2，…，wn)，为所对应的词汇向量，n为待匹配检索关键词数目，αi指该关键词的频度。同样的，对于零部件信息库经过类似处理也存在词汇－信息库矩阵Ak以及它所对应的查询向量Q。为了进行匹配检索需要构造出AQk和AQ，其中AQk是加入了查询向量中已含有关键词的矩阵、AQ是未含有关键词的矩阵。由于这2个矩阵含有丰富的信息，是高维矩阵，因此需要对它们进行降维处理，这里采用奇异值分解[17]的方法来处理。

经过降维处理得到新的矩阵AQ'k，AQ'，可以将新生成的零部件信息文档之间的语义关系显现出来。然后通过计算2个零部件信息文档之间的相关程度，就可以得到2个零部件的相关程度。2个零部件信息文档之间的相关度可以直接通过计算信息文档矩阵转置与该矩阵的乘积来求得:

Ik和I这2个矩阵中的元素表示2个零部件的相关程度，由此可以通过查找相关矩阵元素的大小来确定每个零部件的相关程度，进行零部件信息与客户需求信息的匹配检索。

3.2 协同过滤推荐的实现方法

由于客户的初始需求匹配出来的定制选项往往很少，依据此生成定制界面不够完整，因此通过寻找和当前用户偏好最匹配的客户群来产生定制选项的推荐。本文采用基于定制选项满意度预测的协同过滤算法来实现定制选项推荐，该算法主要是根据定制选项的相似性初步预测客户对未评价的定制选项的满意度，分为寻找最近邻域和产生推荐2部分。

3.2.1 寻找最近邻域

为了计算客户i和客户j之间的相似性，首先计算经客户i和客户j选择的定制选项集合的并集Uij，设客户A的定制选项集合用IA表示，则Uij=Ii∪Ij。客户i和客户j在Uij中未选择的定制选项的满意度通过客户对相似定制选项的满意度预测出来，然后在定制选项集合Uij上计算客户i和客户j之间的相似性。预测客户i对定制选项集合Uij中未选择定制选项的满意度是基于定制选项相似性的协同过滤推荐算法的关键。设客户i在定制选项Uij中未选择定制选项用Ni表示，即Ni=Uij－Ii。对任意定制选项p∈Ni使用下面的方法预测客户i对定制选项P的评价 Pi，p[18]:计算定制选项 P 和其他定制选项之间的相似性，和计算客户之间的相似性类似，即对任意的两个定制选项s和t，首先要获得所有客户对他们的满意度评价，然后再计算s和t之间的相似性。

通过计算可以获得其他定制选项与选项p的相似性，将相似性最高的一些定制选项作为P的邻居定制选项集合，即在整个空间中查找定制选项集合Mp={I1，I2，…，Iv}，使P不属于Mp，并且选项I1与选项P的相似性sim(p，I1)最高，I2与P的相似性sim(p，I2)次之，依次类推。

得到Mp后，采用以下公式预测客户i对定制选项P的满意度Pi，p:

经过上述方法处理后，对于Uij中每一个定制选项客户i和客户j都有了一个满意度评价，即对于任意p∈Uij，客户i对P的满意度评价为:

然后再基于定制选项集合Uij来计算客户i和客户j的相似性，具体为:

a.余弦相似性

b.修正的余弦相似性

因此寻找最近邻域就是对于每个客户u，在整个客户空间中找客户集合C={c1，c2，…，ck}，使u不属于C，并且c1和u的相似性sim(u，c1)最高，c2与u的相似性sim(u，c2)次之，依次类推。

3.2.2 产生推荐

通过上述方法得到了目标客户的最近邻居，接下来将产生相应的推荐。设客户i的最近定制选项集合用NBSi表示，则客户i对任意定制选项p的预测满意度 Pi，p可由下面的公式计算出[16]:

式中:sim(i，n)表示客户i和客户n之间的相似性;Rn，p表示客户n对定制选项p的满意度评价;分别表示客户i和客户n对定制项目的平均满意度评价。通过这一系列的分析计算最终得到了最有可能满足客户需求的定制选项，从而实现了对客户定制选项的推荐。

4 系统应用举例

基于以上研究，本文开发了笔记本电脑的定制需求获取支持系统。客户通过笔记本电脑定制界面，直接输入自己对需求特征的描述，如:显示器12英寸左右、内存高一些、质量比较轻、价格4000元左右等，其需求信息在传到服务器端后，由推理分析模块执行处理，获取其中的关键特征词，经过查询扩展后再由检索匹配模块到零部件信息库中进行检索匹配。与此同时系统也会对客户操作行为自动进行跟踪，获取客户的一些偏好信息，比如:客户浏览商务系列的产成品频率比较高，系统会推断客户可能是应用于商务办公。依据客户直接表述的需求信息及系统自动获取的客户偏好信息再推荐产生可能符合客户定制需求的定制选项，生成个性化的定制界面。客户在新的定制界面进行详细的需求描述，并与企业进行互动定制出自己满意的产品。系统通过生成个性化的定制界面，模拟销售人员帮助客户完成定制需求表述，从而可以提高企业需求获取的效率以及客户的满意度。

5 结束语

大规模定制环境下，产品定制成功的关键在于准确地获取客户的个性化需求，为客户提供个性化的服务。目前，个性化推荐系统已经成为解决个性化服务的有效手段，它能够利用智能化的方法引导客户从大量的信息中选择最适合自己需要的信息。本文将语义分析技术和推荐技术相结合，提出了一种基于定制选项推荐的客户需求获取系统模型。通过对该系统总体框架、体系结构以及关键技术的研究，开发了大规模定制环境下客户需求获取支持系统。系统利用Web挖掘技术、个性化推荐技术和网络技术等来分析客户行为，引导客户快速选择符合需求定制选项，实现了准确、高效的客户需求获取。

[1] Tseng M M，Piller F T.The Customer Centric Enterprise:Advances in Mass Customization and Personalization[M].New York:Springer，2003.

[2] Dewan R，Jing B，Seidmann A.Product customization and price competition on the Internet[J].Management Science，2003，49(8):1055－1070.

[3] Lombardoni A，Norrie M，Weibel N，et al.A systematic approach to the development of e－commerce sites for mass customization[C].The Proceedings of the 2005 IEEE International Conference on e－Technology，e－Commerce and e－Service，Hongkong:[s.n]，2005:246－249.

[4] Grenci R T，WATTS C A.Maximizing customer value via mass customized e－consumer services[J].Business Horizons，2007，50(2):123－132.

[5] 梁樑，周俊，罗彬.MC模式下基于顾客需求的产品配置优化分析[J].管理科学学报，2003，6(3):52－56.

[6] 刘飞，李世新，刘胜.面向大规模定制的用户需求协同配置思想及其应用[J].机械工程学报，2004，40(1):113－117.

[7] 岳同启，王吉军，王海军，等.智能客户需求获取系统的结构设计[J].大连大学学报，2003，24(4):59－62.

[8] Siddique Z，Ninan J A.Modeling of modularity and scaling for integration of customer in design of engineer－to－order products[J].Integrated Computer Aided Engineering，2006，13(2):133－148.

[9] Bharati P，Chaudhury A.Using choiceboards to create business value[J].Communications of the ACM，2004，47(12):77－81.

[10] Miceli G，Ricotta F，Costabile M.Customizing customization:a conceptual framework for interactive personalization[J].Journal of Interactive Marketing，2007，21(2):6－25.

[11] Chen Z X，Wang L Y.Personalized product configuration rules with dual formulations:a method to proactively leverage mass confusion[J].Expert Systems with Applications，2010，37(1):383－392.

[12] Hansen T，Scheer C，Loos P.Product Configurators in Electronic Commerce－Extension of the configurator concept towards customer recommendation[C]Proceedings of the 2nd Interdisciplinary World Congress on Mass Customization and Personalization(MCPC).Berlin:[s.n.]，2003.

[13] Blecker T，Abdelkafi N，Kreutler G，et al.An advisory system for customers＇objective needs elicitation in mass customization[C]Proceeding of the 4th International ICSC Sympsium on Engineering of Intelligent Systems(EIS 2004)，Funchal，Portugal:University of Madeira，2004.

[14] Kreutler G，Jannach D.Personalized Need Elicitation in Webbased Configuration Systems[M].New York:Springer Science，2006:27－42.

[15] 邓超，马晓彬，吴军，等.基于粗糙集理论的质量屋顾客需求分析技术[J].计算机集成制造系统，2007，13(6):1191－1195.

[16] 经有国，但斌，张旭梅，等.基于本体的非结构化客户需求智能解析方法[J].计算机集成制造系统，2010，16(5):1026－1033.

[17] 但斌，经有国，孙敏，等.在线大规模定制环境下面向异质客户的需求智能获取方法[J].计算机集成制造系统，2012，18(1):15－24.

[18] Sarwar B，karypis G，Konastan J，et al.Item－Based collaborative filtering recommendation algorithms[C]Proceedings of the 10th International Word Wide Web Conference.Amsterdam:[s.n.]，2001:285－295.